AI & Automatización · 3 de junio de 2026 · 24 min. de lectura · Joseph Flesh, CTO & Co-Founder, Amplifa

Infraestructura de AI: Foxconn, Bull y AI Factories

La infraestructura de AI de Europa está transformando la Smart Factory y las ventas. Lea qué pasos deben planificar ahora las medianas empresas para las AI Factories en DACH.

El pasado jueves, a las 8:12 horas, me encontraba en Amplifa en una llamada de onboarding con Andrea, COO de una empresa de automatización de Ulm. De fondo, escuchaba el leve chirrido de una sierra de la producción; ella había dejado la puerta de su oficina entreabierta y sobre su escritorio había una impresión con fechas de entrega marcadas en rojo. "Joseph, tenemos los leads para tres nuevas líneas", dijo, "pero nuestros clientes ahora preguntan primero por la infraestructura de AI y solo después por la mecánica". Miré brevemente mi café. Frío. Entonces apareció en mi segunda pantalla la noticia sobre la nueva asociación entre Foxconn y Bull.

Mi pronóstico es simple e incómodo: quien en la construcción de maquinaria, la fabricación de electrónica o los componentes de automatización no tenga una respuesta clara sobre las AI Factories para 2028, no perderá primero los pedidos en producción. Los perderá en las ventas. No porque cada empresa de 180 empleados vaya a operar de repente sus propios clústeres de GPU. Bueno, casi. Sino porque los clientes en DACH están empezando a clasificar a los proveedores según si realmente pueden entregar datos, Edge-AI, gemelos digitales e integración de sistemas, o si solo escriben "Industria 4.0" en sus diapositivas.

Infraestructura de AI en Europa: Por qué esta noticia debería doler

Foxconn, oficialmente Hon Hai Technology Group, y Bull SAS, la filial francesa de infraestructura de IT del entorno de Atos, quieren construir conjuntamente servidores de AI, clústeres de GPU, sistemas Edge y hardware de automatización en Europa. Esto suena inicialmente a centro de datos. A chapa, racks, cables, ventiladores. A algo que interesa a los COO y que los directores de ventas pasan por alto. Precisamente ahí radica el error de juicio.

Según los informes del sector publicados en las últimas 24 a 48 horas, la asociación se dirige expresamente a empresas de fabricación europeas, Smart Factories y las llamadas AI Factories. Deutschland, Austria y Suiza se mencionan como mercados principales. Automoción. Electrónica. Industria de procesos. Fabricación de precisión. Es decir, exactamente las empresas con las que trabajamos regularmente en Amplifa: de 50 a 500 empleados, un buen producto, una base de clientes consolidada durante años, pero una pipeline que depende cada vez más de proyectos en los que IT, OT y compras intervienen simultáneamente.

Para mí, esta noticia no es un detalle de hardware. Es una señal de ventas. Cuando Foxconn y Bull introducen la "AI infrastructure made in Europe" en el mercado, cambian las expectativas de los clientes de proveedores de Trumpf, integradores de Festo, socios de Schaeffler o fabricantes de componentes cercanos a Webasto. El cliente ya no pregunta: "¿Puede entregar la instalación?". Pregunta: "¿Puede integrarla en nuestra arquitectura de datos, ampliarla con Computer Vision, evaluar los datos de mantenimiento y operarlo todo de forma auditable?". Ese es otro proceso de venta. Más duro. Más técnico. Más largo. Pero también más lucrativo.

Status quo: Muchos hablan de AI, pocos han tendido el cableado

Según el informe "State of Manufacturing" 2026 de Tacton, el 79 por ciento de los fabricantes a nivel mundial están invirtiendo o experimentando activamente con AI. El año anterior era el 64 por ciento. Es un salto que no se puede descartar como un simple hype de feria. Al mismo tiempo, según la misma fuente, solo el 7 por ciento de los fabricantes tienen una verdadera conectividad end-to-end a través de la cadena de valor, ventas, ingeniería, producción y servicio. Repito la cifra porque en los workshops suele generar un breve silencio: siete por ciento.

Veo esta brecha cada mes. En marzo de 2026 hablé con Markus, director de ventas de un fabricante de maquinaria especial de Heilbronn. Su equipo vende instalaciones en el rango de 250.000 a 18.000.000 EUR. La empresa utiliza un CRM, un ERP, un PLM, plantillas de ofertas en Excel y tres carpetas de SharePoint que se llaman todas "final". La propia máquina genera datos de sensores cada segundo. Pero en ventas nadie sabe qué funciones utilizan realmente los clientes actuales. Nadie. El servicio posventa tiene la información, ingeniería sospecha algo, pero ventas sigue llamando con argumentos genéricos.

Este es el status quo en muchas empresas de fabricación medianas en DACH. Hay máquinas con control de Siemens, sistemas de cámaras de Cognex o Keyence, celdas robóticas de Kuka o ABB, datos de ERP de SAP Business One o Microsoft Dynamics, y luego está el departamento de ventas, que sigue priorizando por instinto qué OEM está "caliente". No es del todo cierto. Los buenos equipos tienen listas. Pero las listas no son inteligencia. Y pierden su valor en cuanto los clientes empiezan a utilizar la AI-Readiness como criterio de compra.

Lo que vemos concretamente en Amplifa: en 17 implementaciones en empresas industriales de entre 70 y 430 empleados, hemos encontrado casi siempre el mismo patrón en los últimos 12 meses. Los 20 principales clientes actuales generan entre el 52 y el 78 por ciento del margen de contribución, pero menos de un tercio de las actividades de ventas se basan en la base instalada, la antigüedad de la maquinaria, los casos de servicio o los patrones de piezas de repuesto. Ventas trabaja a nivel de empresa, pero la oportunidad surge a nivel de instalación. Es precisamente ahí donde las AI Factories se vuelven relevantes, no como una palabra de moda, sino como una estructura de datos para los ingresos.

Tendencia 1: Las AI Factories se trasladan de la nube a la planta de producción

La primera tendencia es física. Ruidosa. Cálida. Se puede oír. Quien haya estado alguna vez junto a un rack de GPU sabe que la AI no vive en una metáfora nublada, sino en la electricidad, la refrigeración, la latencia, la gestión de cables y la protección contra incendios. Foxconn y Bull se enfocan precisamente aquí: servidores de AI, clústeres de GPU, gateways industriales de Edge y hardware de control deben fabricarse, integrarse y calificarse para cargas de trabajo industriales en Europa.

¿Por qué es esto relevante para una empresa de 180 empleados en Baden-Württemberg? Porque muchas aplicaciones de AI cercanas a la producción no funcionan correctamente si solo existen como una demo de SaaS en el navegador. El control de calidad mediante Computer Vision necesita cámaras cerca de la línea, tiempos de inferencia en el rango de milisegundos y una conexión robusta con el control. El mantenimiento predictivo necesita el historial de la máquina, sensores, contexto de las órdenes de mantenimiento y modelos que no fallen con cada interrupción de la red. Los gemelos digitales necesitan más que un bonito modelo 3D. Necesitan flujos de datos que no mueran después del proyecto piloto.

En abril de 2026 hablé con Thomas, Head of Sales de un integrador de automatización en Núremberg, sobre una oferta para una instalación de inspección visual. Su cliente, un proveedor Tier-2 para la industria de automoción, quería saber si los datos de imagen podían procesarse localmente. No "algún día". En el pliego de condiciones. El comité de empresa había intervenido, y también la IT-Security. Thomas me dijo: "Antes vendíamos por tiempo de ciclo. Ahora vendemos residencia de datos". Ese es exactamente el cambio.

Siemens Digital Industries argumenta en un artículo reciente sobre la soberanía europea en AI que el liderazgo en AI no solo depende de los modelos, sino de los semiconductores, la infraestructura de cómputo, la eficiencia energética, la robótica y la capacidad de trasladar la innovación a la producción. Esto suena a estrategia corporativa. Pero para las medianas empresas es una cuestión de oferta. ¿Puedo ofrecer al cliente una solución que funcione en su planta, con sus datos, bajo las condiciones de cumplimiento europeas y que pueda seguir manteniéndose después de seis meses?

La soberanía de Europa en AI no se decidirá solo por el software, sino por la capacidad de llevar los semiconductores, el cómputo, la automatización y los datos industriales a una producción escalable.

— Declaración central adaptada de Siemens Digital Industries, artículo sobre AI Sovereignty en Europa, 2026

Me gusta esta cita porque pone en perspectiva el debate habitual sobre la AI. Muchas organizaciones de ventas hablan de chatbots, automatización de correos electrónicos y bibliotecas de prompts. Todo es útil. Pero en el B2B industrial, la AI no se decide en el prompt. Se decide en si un cliente en Linz puede ampliar su línea sin enviar datos de producción a una región de nube incierta; si una planta en Bielefeld planifica piezas de repuesto de forma proactiva; si un director de calidad en St. Gallen puede dormir por la noche porque el modelo no solo tenía un 93 por ciento de precisión en PowerPoint, sino que sigue funcionando en el tercer turno con niebla de aceite y luz fluctuante.

Tendencia 2: Ventas vende arquitectura, ya no solo máquinas

La segunda tendencia afecta directamente a los directores de ventas. Antiguamente, la venta técnica en la construcción de maquinaria ya era bastante compleja: pliego de condiciones, tiempo de ciclo, flujo de materiales, CE, servicio, tiempo de entrega, precio. Ahora se añade otra capa. Los clientes quieren saber cómo encaja una solución en su infraestructura de AI. ¿Qué datos se generan? ¿Dónde se almacenan? ¿Qué interfaces existen? ¿Cómo se entrenan o supervisan los modelos? ¿Quién es responsable si la AI toma decisiones de calidad erróneas?

Soy tajante en esto: quien en 2026 todavía crea que una venta de producto pura en la construcción de maquinaria es suficiente, no ha entendido el cambio. El cliente no compra solo un agregado. Compra una pieza de lógica operativa futura. Si su oferta no explica esta lógica operativa, alguien más lo hará. Quizás un integrador. Quizás un gran automatizador. Quizás un proveedor de servicios de IT que sepa menos de husillos que usted, pero hable mejor de flujos de datos.

Hace tres semanas tuve una reunión interna con Lena, nuestra Customer Success Lead en Amplifa, y revisamos los motivos de pérdida de ocho pipelines industriales. La sala olía a rotulador de pizarra porque alguien se lo había dejado abierto. En tres de los ocho casos, el motivo de pérdida en el CRM era "precio". Cuando reconstruimos los hilos de correo electrónico y las notas de las llamadas, el motivo real era otro: el competidor pudo explicar antes cómo encajaba su solución en el MES, el ERP y la arquitectura Edge local. Precio fue la palabra que utilizó el vendedor porque duele menos.

Aquí es donde la noticia de Foxconn-Bull se vuelve interesante. A medida que los servidores de AI y los sistemas Edge europeos sean más accesibles, la excusa de "es demasiado pronto" perderá fuerza. Los clientes esperarán arquitecturas de referencia. Preguntarán si su instalación interactúa con racks de GPU locales, gateways industriales y modelos de datos estandarizados. Y sí, muchas medianas empresas dirán: "Nuestros clientes aún no preguntan eso". Quizás sea cierto. Quizás solo se lo pregunten a sus competidores.

Cómo cambian los Buying Center debido a la infraestructura de AI

En los acuerdos clásicos de construcción de maquinaria, se sentaban a la mesa la gerencia, la dirección de producción, compras y quizás un jefe de mantenimiento. En los proyectos cercanos a la AI Factory, se suman nuevas voces: IT-Security, protección de datos, responsables de OT, a veces el comité de empresa, ocasionalmente un consultor de digitalización externo. Esto alarga los acuerdos. No los hace automáticamente peores. Hace visibles los malos procesos de venta.

Un ejemplo: con un cliente del entorno de la construcción de maquinaria de embalaje, 220 empleados en la región de Ravensburg, reconstruimos la lógica del ICP en enero de 2026. Antes, ventas priorizaba por sector y tamaño de facturación. Después, añadimos criterios como controles de Siemens o Beckhoff instalados, número de centros de producción, intensidad de servicio, MES existente y palabras clave de ofertas de empleo como "Data Engineer", "Computer Vision" o "OT Security". Resultado tras nueve semanas: menos reuniones iniciales, pero la tasa de Discovery a proyecto cualificado subió del 31 al 46 por ciento. No es magia. Es una mejor selección de objetivos.

Este es el puente entre la infraestructura de AI y las ventas. La disponibilidad de hardware en Europa crea nuevas clases de proyectos. Las nuevas clases de proyectos crean nuevos criterios de compra. Los nuevos criterios de compra rompen los viejos modelos de lead scoring. Quien siga segmentando solo por número de empleados, código postal y sector, pasa por alto a las empresas que están liberando presupuesto para Edge AI, gemelos digitales y plataformas de datos de producción.

Tendencia 3: Las AI Factories convierten la soberanía de datos en un argumento de venta

La tercera tendencia es política, pero no abstracta. La soberanía de datos se vuelve comercial. En Deutschland, Austria y Suiza existe un profundo escepticismo ante los datos de producción en manos ajenas. Uno puede sonreír ante esto si viene del mundo puro del SaaS. Yo no lo haría. Un gerente de un fabricante de piezas de precisión de Villingen-Schwenningen me dijo en mayo de 2026: "Nuestros datos de proceso son nuestro margen". Esa frase cala.

Cuando Foxconn y Bull enfatizan la fabricación europea, la integración europea y la infraestructura de AI local, tocan precisamente esa fibra sensible. No se trata solo de cadenas de suministro. Se trata de confianza en las licitaciones. Un proveedor farmacéutico suizo, un fabricante de maquinaria austriaco o un proveedor de automoción alemán debe poder explicar ante clientes, auditores y comités internos dónde se procesan los datos, quién tiene acceso, cómo funcionan las actualizaciones y cómo se siguen operando los sistemas en caso de tensiones geopolíticas.

Bull aporta, según los informes, base de clientes europea, competencia en integración y diseño de centros de datos. Foxconn aporta volumen de fabricación, diseño electrónico y poder en la cadena de suministro. Esto no es un romántico autoabastecimiento europeo. Foxconn sigue siendo Foxconn. Pero el montaje local, la calificación y la integración de sistemas en la EU pueden marcar la diferencia para los clientes industriales cuando los tiempos de entrega, los controles de exportación o las cadenas de soporte se vuelven críticos.

Para las ventas, esto significa: la soberanía se convierte en un argumento, pero solo si es concreto. "Made in Europe" por sí solo no vende una instalación. "Sus datos de imagen no salen de la planta, la inferencia se ejecuta en un clúster Edge cerca del armario de control, las actualizaciones se realizan a través de una ventana de mantenimiento aprobada y la versión del modelo se documenta en el log de auditoría" — eso sí vende. O al menos evita que el director de IT corte la conversación a los 42 minutos.

FAQ: ¿Qué es una AI Factory en la mediana empresa industrial?

Una AI Factory no es una única fábrica con robots y cuadros de mando parpadeantes. En el contexto industrial, el término se refiere a una infraestructura repetible con la que las empresas entrenan, operan, supervisan e integran modelos de AI en los procesos de producción. Esto incluye cómputo —a menudo servidores de GPU o sistemas Edge especializados—, pipelines de datos, gestión de modelos, interfaces con los controles de las máquinas, ciberseguridad, monitorización y responsabilidades. Para un fabricante de maquinaria de 300 personas, esto no tiene por qué ser como en Nvidia o BMW. Puede ser un clúster Edge local para el control de calidad, complementado con un gemelo digital, datos de servicio y un concepto de MLOps limpio. Lo importante no es el tamaño. Lo importante es que la AI pase del piloto a la capacidad operativa.

Infraestructura de AI y gestión de la pipeline: La conexión incómoda

Muchos gerentes todavía separan demasiado la tecnología de producción de la tecnología de ventas. Allí la fabricación con OPC UA, PLC, MES, OEE y sensores. Aquí las ventas con CRM, campañas, ferias e informes de visitas. Esta separación es organizativamente cómoda. Es económicamente peligrosa.

Cuando sus clientes invierten en AI Factories, surgen señales de ventas mucho antes de la solicitud oficial. Una empresa contrata a un gerente de OT-Security. Un director de planta habla en LinkedIn sobre Computer Vision. Un informe anual menciona "local inference". Una sede construye un nuevo centro logístico. Un departamento de compras pregunta de repente por formatos de datos. Un diseñador descarga whitepapers sobre gemelos digitales. Cada señal por sí sola es débil. Juntas forman una intención.

Precisamente aquí fallan muchas configuraciones clásicas de CRM. El CRM almacena lo que el vendedor ya sabe. Rara vez reconoce lo que sucede fuera. En Amplifa, por eso construimos modelos de ICP y de cuenta que unifican disparadores externos, historial de CRM, ajuste de producto y timing. No para reemplazar a los empleados de ventas. Eso es absurdo. Sino para decirles dónde tiene sentido una conversación ahora y dónde solo están interrumpiendo cortésmente.

Amplifa ICP Playbook — Un playbook práctico para priorizar clientes objetivo en el B2B industrial según señales reales de compra y tecnología en lugar de solo por sector y facturación.

Qué significa esto para la mediana empresa

Para las empresas de fabricación de 50 a 500 empleados en DACH, la asociación Foxconn-Bull significa primero: el listón sube. Los grandes proveedores integrarán la infraestructura de AI europea como una pieza en sus ofertas. Los integradores de sistemas crearán paquetes completos. Los clientes se acostumbrarán a que los proyectos de AI ya no se vendan como un experimento, sino como una arquitectura escalable. Quien entonces solo responda con "nosotros también podemos hacer AI", sonará como un fax en una oficina con fibra óptica.

En segundo lugar, los márgenes se desplazan. El hardware puro o la mecánica pura seguirán bajo presión, especialmente si los competidores asiáticos y de Europa del Este mantienen precios agresivos. El valor surge donde se conectan máquinas, datos, servicio y conocimiento de procesos. Un fabricante de bancos de pruebas puede convertirse en un proveedor de inteligencia de calidad. Un proveedor de componentes puede modelar riesgos de fallo. Un fabricante de maquinaria especial puede crear nuevas líneas de ingresos con puestas en marcha digitales, datos de simulación y pronósticos de servicio. Pero solo si ventas y técnica hablan el mismo idioma.

En tercer lugar, la internacionalización se vuelve más selectiva. Deutschland, Austria y Suiza son mercados prioritarios según la asociación, porque aquí confluyen densidad industrial, competencia en automatización y disposición al pago. Eso es bueno. Pero también significa: más proveedores atacarán precisamente estos mercados. Una mediana empresa de Westfalia Oriental ya no compite solo con el competidor conocido del distrito vecino, sino con asociaciones de plataformas europeas que agrupan hardware, integración y narrativa de AI.

A menudo veo en los COO una reacción comprensible: primero esperar. La línea funciona, las carteras de pedidos no están vacías, la gente escasea. Pero esperar no es una posición neutral cuando los criterios de compra se están reescribiendo. Es una decisión de dejar que otros establezcan los estándares. Y los estándares en las ventas son brutales. Quien define el estándar tiene que explicar menos. Quien llega tarde, tiene que demostrar.

Un ejemplo del día a día: De la pieza de repuesto a la oportunidad de AI

Un cliente nuestro del norte de Baviera vende componentes de instalaciones a fabricantes de maquinaria de embalaje y procesos. No es una corporación, 140 empleados, buena reputación. En el CRM, los clientes actuales parecían iguales durante mucho tiempo: facturación, persona de contacto, último pedido. Cuando complementamos con casos de servicio, ciclos de piezas de repuesto y señales de inversión visibles públicamente, de repente destacaron cuentas en las que componentes antiguos funcionaban en líneas mientras el cliente publicaba simultáneamente vacantes para "Manufacturing Data Analyst" y "Automation Engineer". El vendedor no fue a la llamada con "¿Necesita piezas de repuesto?". Fue con "Vemos en líneas comparables que la modernización y la captura de datos salen a cuenta juntas si desea evaluar los datos de calidad localmente". Otro tono. Otra cita.

Después de cuatro meses, el equipo había concertado cinco workshops técnicos, tres de ellos con la dirección de producción e IT conjuntamente. Antes, IT casi nunca participaba en las conversaciones en esas cuentas. El punto no es que Amplifa tuviera algún truco de magia. El punto es que las señales de AI Factory son visibles en el mercado si se buscan. La mayoría de los procesos de ventas simplemente no buscan.

Preparación: 7 pasos para directores de ventas, COO y gerentes

1. Mapee su relevancia de AI Factory por línea de producto. Escriba para cada máquina, componente o servicio qué datos se generan, qué interfaces existen, qué casos de uso de AI son realistas y cuáles no. Sea honesto. Un mal caso de uso de AI devora la confianza más rápido que una fecha de entrega retrasada.
2. Amplíe su ICP con disparadores técnicos. El número de empleados y el sector no son suficientes. Registre proyectos de MES, roles de OT-Security, nuevas plantas, anuncios de empleo de Computer Vision, migraciones de ERP, informes de sostenibilidad, iniciativas de mantenimiento e indicios de gemelos digitales.
3. Construya una diapositiva de arquitectura sencilla que un vendedor pueda explicar. No 38 cuadros. Una página: máquina, Edge, flujo de datos, procesamiento local, opción de nube, seguridad, servicio. Si ventas no entiende esta diapositiva, el cliente tampoco la entenderá.
4. Entrene preguntas de Discovery para la infraestructura de AI. No pregunte: "¿Tiene interés en la AI?". Pregunte: "¿Qué datos de producción pueden salir de su planta?", "¿Quién es responsable de las aprobaciones de modelos?", "¿Dónde fallan hoy las decisiones de calidad?", "¿Qué línea genera las paradas no planificadas más costosas?".
5. Defina los roles de los socios pronto. No todas las medianas empresas tienen que construir clústeres de GPU u operar MLOps por sí mismas. Pero debe saber si Bull, Siemens, Phoenix Contact, casas de sistemas locales o socios de nube pueden figurar en su arquitectura de referencia.
6. Vincule los datos de servicio y de ventas. La antigüedad de la maquinaria, los patrones de piezas de repuesto, los motivos de avería y las ventanas de mantenimiento son fuertes señales de compra. Si estos datos se quedan en el servicio mientras ventas hace prospección en frío, está quemando el contexto existente.
7. Haga que el cumplimiento sea vendible. La EU AI Act, NIS2, Cyber Resilience Act y la residencia de datos no deben aparecer solo en la revisión del contrato. Traduzca los requisitos en declaraciones claras que ventas y técnica puedan respaldar conjuntamente.

El quinto punto es importante para mí. Muchas medianas empresas temen quedarse atrás tecnológicamente en la infraestructura de AI porque no tienen los presupuestos de DMG Mori, Kärcher o Brose. Este miedo está parcialmente justificado. Pero a menudo lleva a la consecuencia equivocada: no hacer nada porque no se puede hacer todo. Es mejor un enfoque claro. ¿Qué función de AI hace que su producto sea más valioso para los clientes? ¿Qué datos necesita para ello? ¿Qué infraestructura debe existir en el cliente o en los socios? ¿Qué declaración puede probar su equipo de ventas mañana?

Producto Amplifa — Amplifa ayuda a los equipos de ventas industriales a reconocer clientes objetivo relevantes, disparadores y prioridades de cuenta con AI, a partir de datos de CRM, señales de mercado y lógica de ICP.

Por qué las estrategias puras de Inbound son demasiado lentas con las AI Factories

Aquí contradigo conscientemente una tesis cómoda: "Si el cliente está listo, ya vendrá a nosotros". No. En los proyectos de AI Factory, el cliente a menudo acude al proveedor que lo abordó en el lugar adecuado seis meses antes. El proceso de decisión no comienza con la solicitud. Comienza con la incertidumbre interna.

Un COO nota que los costes de descarte aumentan. Un director de planta recibe presión para hacer el OEE más transparente. Un director de IT bloquea experimentos en la nube. Un gerente escucha en un evento de la VDMA en Frankfurt que los competidores trabajan con mantenimiento predictivo. Todavía no hay proyecto. Todavía no hay presupuesto. Pero hay tensión. Quien entonces solo espera conversiones en el sitio web, ve el mercado demasiado tarde.

Quien en 2026 todavía apueste por una estrategia pura de Inbound, en cinco años no tendrá una pipeline que merezca ese nombre. Especialmente no en la mediana empresa industrial. Los ganadores no serán las máquinas de contenido más ruidosas, sino los equipos que lean las señales, formen hipótesis y entren en las conversaciones con relevancia técnica. Menos newsletters. Más timing.

Esto no significa que el Outbound pueda volver a ser correos masivos torpes. Por favor, no. Yo mismo recibo suficientes mensajes en los que mi nombre está mal escrito y alguien quiere venderme "sinergias". Las buenas ventas industriales orientadas al Outbound se ven diferentes: entender la cuenta, deducir la situación técnica, mencionar un activador plausible, formular una tesis breve, preguntar con respeto. Una frase como "Vemos en varias líneas con fuerte presencia de Kuka y Beckhoff que la evaluación de imágenes local se está reevaluando precisamente por la residencia de datos" no es perfecta. Pero es mil veces mejor que "Quería presentarme brevemente".

Infraestructura de AI: Costes, Context Windows y la parte difícil

Ahora un poco de técnica, porque de lo contrario solo queda la estrategia. La infraestructura de AI no consiste solo en GPUs. Para las aplicaciones industriales cuentan la latencia, la disponibilidad, la segmentación de red, la calidad de los datos, la supervisión de modelos, las interfaces y los costes operativos. Un modelo que funciona limpiamente en un conjunto de datos de laboratorio puede fallar en la fabricación porque la cámara está mínimamente diferente, porque la niebla de aceite cambia las imágenes, porque un turno de noche utiliza otro material o porque el PLC tiene un comportamiento de timing que nadie simuló en la prueba.

Con la AI generativa en las ventas surge otro problema: Context Windows y costes. Los grandes modelos de lenguaje pueden procesar documentos largos hoy en día, sí. Pero quien vuelca historiales completos de CRM, especificaciones técnicas, hilos de correo electrónico, datos de ofertas y protocolos de servicio de forma incontrolada en cada prompt, no construye inteligencia, sino una calefacción de tokens. Los precios de los tokens bajan, pero una mala arquitectura escala más rápido que unas buenas condiciones de compra. Vemos constantemente configuraciones en las que el 80 por ciento de los costes del modelo se queman en contexto irrelevante.

La mejor arquitectura suele ser poco espectacular: normalizar datos, prefiltrar señales, obtener fragmentos relevantes mediante recuperación, utilizar el modelo solo donde el lenguaje, la clasificación o el reconocimiento de patrones realmente aportan un valor añadido. En las ventas, esto significa: no cada actualización de cuenta necesita un modelo grande. A veces basta con un conjunto de reglas. A veces un pequeño clasificador. A veces se necesita un LLM porque el correo electrónico del cliente dice entre líneas: "Tenemos un problema de presupuesto, pero un riesgo mayor si no hacemos nada".

Precisamente esa sobriedad falta en muchos debates sobre AI. Foxconn y Bull no construyen infraestructura relevante porque cada mediana empresa vaya a entrenar de repente su propio Foundation Model. ¿Sinceramente? Muy pocos lo harán. Lo relevante es que la AI industrial se acerca a la producción y que Europa obtiene más control sobre la integración, disponibilidad y operación. Esto reduce la fricción. Y la fricción a menudo decide si un equipo de ventas puede posicionar correctamente una oferta cercana a la AI.

Amplifa para ventas industriales — Para equipos que desean traducir señales técnicas de compra como Edge AI, automatización, necesidad de servicio y planes de modernización en acciones de ventas priorizadas.

Pronóstico personal: De 2026 a 2029 la clasificación será brutal

Mi pronóstico personal para los próximos dos a tres años: el mercado no se clasificará por "AI sí o no". Se clasificará por capacidad operativa. Los proveedores que vendan la AI como una demo acabarán en cementerios de pilotos. Los proveedores que empaqueten la infraestructura de AI, los flujos de datos, el cumplimiento y el servicio en una oferta comercial comprensible ganarán acuerdos más grandes, incluso si no son los más baratos.

Espero tres movimientos concretos. Primero, las licitaciones en la construcción de maquinaria e instalaciones contendrán con más frecuencia preguntas sobre inferencia local, residencia de datos y monitorización de modelos. Segundo, los integradores penetrarán con más fuerza en las ventas y empujarán a los fabricantes clásicos a posiciones de consultoría si estos no pueden explicar su arquitectura. Tercero, los datos de los clientes actuales se convertirán en la palanca de crecimiento más importante, porque los proyectos de AI Factory rara vez comienzan de cero. Comienzan en líneas existentes, con controles antiguos, con dolores conocidos.

Foxconn y Bull no son el único detonante en esto. Pero son una señal visible. Si un gigante de la fabricación global y un actor de infraestructura europeo posicionan conjuntamente hardware de AI y plataformas de automatización para Europa, entonces no es un tema marginal para los departamentos de IT. Es un indicio de hacia dónde se dirige la demanda industrial. Y la demanda es el material con el que se construye la pipeline.

Después de la llamada con Andrea de Ulm, volví a imprimir la noticia de Foxconn-Bull. Papel, no PDF. En el margen está escrito de mi puño y letra: "No es hardware. Son criterios de compra". El café ya estaba frío para entonces, de la producción volvía a venir ese chirrido agudo, y Andrea me escribió diez minutos después: "Tenemos que repensar nuestra lista de clientes objetivo, ¿verdad?". Sí. Exactamente ahí es donde empieza.